小波域中值滤波在激光陀螺信号处理中的应用

各种随机噪声是导致激光陀螺产生误差的主要因素,且其性质特殊,很难用传统的滤波方法去除。为了减小激光陀螺的随机误差,提高测量精度,提出了小波域的中值滤波器滤波方法,对激光陀螺零漂数据进行了滤波,并采用Allan方差法对滤波效果进行了定量分析。结果表明,此方法的滤波效果优于中值滤波和小波软阈值滤波效果,能有效地减小激光陀螺零漂信号中的角度随机游走、角速度随机游走、速率斜坡、零偏不稳定性和量化噪声,提高激光陀螺零漂输出的稳定性。     

基于遗传RBF网络的惯性测量组合模拟电路故障诊断

为解决惯性测量组合模拟电路的诊断不易定位到元件级故障的问题,提出了一种基于遗传RBF网络的智能诊断方法。该方法首先利用RBF神经网络快速准确识别故障的能力,以RBF的训练均方误差为遗传算法的适应度函数,依靠遗传算法强大的全局寻优能力实现故障特征选择。在特征选择的过程中,同时记录使训练均方误差达到最小的最优RBF网络,然后直接利用特征选择过程中训练好的最优RBF网络诊断故障,而无需利用特征选择后的训练数据对RBF网络进行再训练,简化了诊断步骤,同时增强了网络的抗干扰能力。仿真结果表明,该方法能有效去除冗余特征,准确诊断惯性测量组合模拟电路的故障,并有较好的抗噪能力,证明了该方法的有效性和可行性。     

激光陀螺随机误差建模方法研究

随机误差是陀螺的主要误差。为了减小随机误差对激光陀螺精度的影响。介绍了依据激光陀螺漂移数据建立时间序列模型的方法并进行了建模实验,并在此基础上采用卡尔曼滤波算法对激光陀螺的漂移数据进行了处理,取得了较好的效果。结果表明,此方法能有效地抑制激光陀螺的随机误差,提高激光陀螺的精度。     

基于LSSVM的激光陀螺随机误差系数预测

激光陀螺是一种具有广阔应用前景的新型惯性器件.为了提高激光陀螺的性能,有效地补偿激光陀螺的随机误差,提出了最小二乘支持向量机预测激光陀螺随机误差系数的新方法.采用遗传算法进行支持向量机参数的自动选取,提出了基于遗传优化的最小二乘支持向量机回归预测算法,并对激光陀螺随机误差系数进行了预测实验.实验结果表明,基于遗传算法的最小二乘支持向量机的预测精度更高.另外,研究了回归步长对预测效果的影响.预测结果表明,不同的回归步长对预测结果有较大的影响.     

激光陀螺随机漂移数据建模与滤波

在对激光陀螺漂移数据建立时间序列模型的基础上，对激光陀螺的漂移数据进行了卡尔曼滤波。结果表明此方法能有效地抑制激光陀螺的随机误差。     

基于小波包分析的激光陀螺信号滤波方法

各种随机噪声是激光陀螺误差的主要来源。为了减少激光陀螺的随机误差,提高其测量精度,介绍了基于小波包分析的滤波方法,研究了小波包分析和滤波的原理、熵标准和阈值函数的选取,比较了选择不同熵标准、阈值函数对激光陀螺信号滤波的效果,并采用Allan方差法分析滤波效果。结果表明基于小波包分析的滤波方法能有效减小随机误差,提高激光陀螺的测量精度。     

自适应卡尔曼滤波在SINS静基座初始对准中的应用

由于捷联惯导系统模型参数往往与实际的物理过程具有一定的偏差,并且系统的噪声与量测噪声的统计特性不是精确已知的,因此采用常规的卡尔曼滤波算法不能获得理想的滤波效果。为避免滤波发散,采用Sage-Husa自适应滤波算法应用于捷联惯导初始对准,仿真结果表明该方法相对于卡尔曼滤波方法在收敛精度和速度上都有很大的改进。